金絲猴是國(guó)家一級(jí)保護(hù)動(dòng)物,屬于瀕危物種,亟需保護(hù)。對(duì)金絲猴的保護(hù)和相關(guān)研究工作都是建立在能夠?qū)ζ鋫�(gè)體準(zhǔn)確識(shí)別的基礎(chǔ)上。傳統(tǒng)的依靠人工識(shí)別的方法成本高、效率低下、容易受個(gè)人主觀因素影響,制約了相關(guān)研究工作的進(jìn)展。鑒于飛速發(fā)展的計(jì)算機(jī)視覺(jué)技術(shù),通過(guò)利用或設(shè)計(jì)相應(yīng)的計(jì)算機(jī)視覺(jué)方法對(duì)金絲猴圖像數(shù)據(jù)自動(dòng)進(jìn)行處理與分析成為一條可行之路。卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)擁有出色的特征提取能力,在圖像處理領(lǐng)域擁有豐富的研究和實(shí)踐成果。注意力機(jī)制在圖像理解過(guò)程中扮演著重要角色。本文基于CNN的基本方法和理論,引入注意力機(jī)制,對(duì)適用于金絲猴的面部識(shí)別算法進(jìn)行設(shè)計(jì),實(shí)現(xiàn)對(duì)金絲猴個(gè)體身份進(jìn)行快速、準(zhǔn)確的自動(dòng)識(shí)別,為大數(shù)據(jù)環(huán)境下的金絲猴研究與保護(hù)工作提供技術(shù)支持。本文首先闡述了金絲猴面部識(shí)別的研究意義,并對(duì)相關(guān)領(lǐng)域發(fā)展現(xiàn)狀進(jìn)行總結(jié)和分析;然后,對(duì)CNN的相關(guān)基礎(chǔ)理論進(jìn)行概述和分析,進(jìn)而確定了本文算法的基本研究路線;接著分析了金絲猴面部圖像數(shù)據(jù)的特點(diǎn),針對(duì)其背景復(fù)雜、光線多變、個(gè)體相似度高等難點(diǎn),結(jié)合圖像處理中的注意力機(jī)制,設(shè)計(jì)了金絲猴面部識(shí)別算法的網(wǎng)絡(luò)結(jié)構(gòu),并通過(guò)實(shí)驗(yàn)對(duì)比論證其有效性;最后,基于Qt平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)了具備采樣功能的金絲猴面部識(shí)別軟件。(1)通過(guò)對(duì)金絲猴面部數(shù)據(jù)特點(diǎn)進(jìn)行分析,針對(duì)面部識(shí)別任務(wù)中存在的難點(diǎn),結(jié)合注意力機(jī)制設(shè)計(jì)了改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型AKP-CNN(Attention Key Part Convolutional Neural Network),并實(shí)現(xiàn)一種基于AKP-CNN的金絲猴面部識(shí)別算法。該算法利用注意力推薦網(wǎng)絡(luò)(Attention-Proposal-Network,APN)對(duì)關(guān)鍵特征區(qū)域進(jìn)行聚焦,通過(guò)兩個(gè)結(jié)構(gòu)相同的網(wǎng)絡(luò)對(duì)全局特征和局部特征分別進(jìn)行提取,最終由特征融合層將兩種特征融合并用于識(shí)別任務(wù)�；贏PN對(duì)重點(diǎn)特征區(qū)域定位并聚焦的特性,本文通過(guò)啟發(fā)式的方法設(shè)計(jì)了對(duì)應(yīng)的特征融合機(jī)制以更好地利用不同尺度的特征。實(shí)驗(yàn)表明,該算法在一定程度上提高了金絲猴面部識(shí)別的準(zhǔn)確率。(2)根據(jù)對(duì)金絲猴面部識(shí)別算法的研究,基于C++語(yǔ)言,使用Qt平臺(tái)設(shè)計(jì)并實(shí)現(xiàn)了金絲猴面部識(shí)別軟件。該軟件利用OpenCV計(jì)算機(jī)視覺(jué)庫(kù)完成對(duì)圖片的加載和處理,通過(guò)開源的深度學(xué)習(xí)框架Caffe實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)模型的加載和圖片類別的預(yù)測(cè)。考慮到野外研究工作的需要,該軟件添加了對(duì)陌生數(shù)據(jù)采樣保存的功能。該軟件具備完整的圖形化操作界面和異常問(wèn)題處理機(jī)制,實(shí)現(xiàn)了圖像讀取,模型加載,結(jié)果展示等多項(xiàng)功能。該軟件操作簡(jiǎn)單且易于學(xué)習(xí)使用,是金絲猴個(gè)體識(shí)別工作中的出色助力。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;S863
【部分圖文】：

有耳朵、眼睛、鼻子、嘴皮毛紋理等特征，這些都域的唯一優(yōu)點(diǎn)，與之前論述意味著利用頭部區(qū)域?qū)鹱R(shí)別工作中的“萬(wàn)能鑰匙會(huì)影響識(shí)別的精度；其次，也可能是嘴部的獨(dú)特疤信息，不利于識(shí)別工作；最等特點(diǎn)，對(duì)部分特征的魯棒些工作成果，利用注意力機(jī)適應(yīng)的提取。物的檢測(cè)和識(shí)別過(guò)程中，要；也有研究表明，人類依

第四章 金絲猴面部識(shí)別軟件設(shè)計(jì)與實(shí)現(xiàn)；每項(xiàng)功能在實(shí)現(xiàn)過(guò)程中均劃分為不同的模塊，單個(gè)模塊只負(fù)責(zé)單項(xiàng)任務(wù)，獨(dú)立、不受其它模塊干擾，并且在數(shù)據(jù)的使用和處理上盡量減少與其它模塊基于以上思想，本文將該軟件的各項(xiàng)功能模塊分類歸納，具體設(shè)計(jì)結(jié)構(gòu)如。

數(shù)樣勸能糠協(xié)汾計(jì)圖
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;面部識(shí)別技術(shù)能診斷基因疾病[J];科學(xué)家;2017年06期

2 Alex;;面部識(shí)別使機(jī)場(chǎng)安檢提速[J];新高考(英語(yǔ)進(jìn)階);2017年11期

3 柳靜;;淺議計(jì)算機(jī)面部識(shí)別技術(shù)的應(yīng)用[J];電腦知識(shí)與技術(shù);2011年32期

4 ;俄羅斯研發(fā)出“反面部識(shí)別”技術(shù)[J];中國(guó)信息安全;2017年08期

5 ;面部識(shí)別技術(shù)發(fā)展 新的隱私問(wèn)題出現(xiàn)[J];硅谷;2011年20期

6 朱琳琳;;知識(shí)分子“翻臉不認(rèn)人”?[J];科學(xué)大眾(中學(xué)生);2011年04期

7 zw;;面部識(shí)別 讓系統(tǒng)更智能[J];電腦迷;2011年03期

8 ;面部識(shí)別U盤[J];辦公自動(dòng)化;2010年05期

9 ;美民間組織要求亞馬遜不向政府提供面部識(shí)別技術(shù)[J];傳媒;2018年11期

10 ;新物志[J];風(fēng)流一代;2018年09期

相關(guān)碩士學(xué)位論文 前10條

1 胡旭;基于注意力機(jī)制的金絲猴面部識(shí)別研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2019年

2 宋各方;基于深度學(xué)習(xí)的動(dòng)物面部識(shí)別算法研究[D];杭州電子科技大學(xué);2019年

3 王革偉;川金絲猴面部識(shí)別方法研究[D];西北大學(xué);2018年

4 范瑩瑩;基于深度學(xué)習(xí)的金絲猴面部識(shí)別軟件設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

5 郝立濤;基于特征臉的面部識(shí)別技術(shù)研究[D];河北科技大學(xué);2010年

6 陳蕾;恐懼情緒下面部識(shí)別注意偏向的性別差異研究[D];南京師范大學(xué);2016年

7 董孟迪;基于中間視覺(jué)的行人區(qū)域道路照明評(píng)價(jià)方法[D];復(fù)旦大學(xué);2014年

8 羅士棟;智能面部識(shí)別嵌入式終端的實(shí)現(xiàn)[D];北京郵電大學(xué);2008年

9 孫健琳;基于機(jī)器學(xué)習(xí)的宿舍通道管理系統(tǒng)設(shè)計(jì)[D];山東大學(xué);2016年

10 吳新安;面部邊緣的提取與眼角的檢測(cè)[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;1997年

本文編號(hào)：2889387